近日,托管服务器及云计算提供商Rackspace透露,将向私有云客户提供Red Hat Enterprise Linux OpenStack Platform。这些客户主要是Rackspace数据中心或在数据中心内部署私有云的合作伙伴。
期待吗?私有云Red Hat OpenStack要来了
私有云Red Hat OpenStack要来了(图片来自Base One)
Rackspace OpenStack实践产品管理高级总监Bryan Thompson表示:“事实上,客户找到我们提出需要运营经验和专业技能。我们想表达的重点是,围绕部署和运营这些云。我们管理着上万个节点,拥有丰富的经验。”
据了解,这一服务将吸引喜欢Rackspace托管认证、但是致力于Red Hat技术堆栈的客户。如今,一些企业或机构已经围绕Red Hat堆栈进行了标准化,并且在寻求完全认证的堆栈,涉及虚拟机管理程序到客户层、再到中间件到应用。
此次的Red Hat OpenStack发行版并非Rackspace原生,具有客户潜在的需求特性。“对于Red Hat来说,它在提供长期支持模式方面是非常独特的。”Bryan Thompson说。
此外,Red Hat OpenStack还包括Platform Director——用于生命周期管理的工具,从发现到配置控制面板再到配置云节点。企业会发现,产品与Red Hat的平台针对块存储和对象存储进行了紧密集成,包括用于磁盘镜像的快照工具。
作为Rackspace的早期投资者,Red Hat与Rackspace已经合作了十多年。如今,两家公司将私有云带入市场,提供了高可用性SLA的管理服务。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。